利用pytorch版本RT-DETR训练自己数据集出现的问题

本文介绍了在使用PyTorch时遇到的四个常见问题:1)`meshgrid()`函数中的`indexing`参数;2)处理`classes`列表时的`KeyError`,需修改数据集配置;3)类型错误处理`iouThrs`和`recThrs`数组;4)`AttributeError`与`np.float`的使用。提供了相应的解决方法。

1.出现meshgrid() got an unexpected keyword argument ‘indexing‘

把出现问题的代码

torch.meshgrid([torch.arange(hsize), torch.arange(wsize)], indexing="ij")

里面的indexing="ij" 删除即可

torch.meshgrid([torch.arange(hsize), torch.arange(wsize)])

2. 出现classes = [label2category[obj["category_id"]]for obj in anno] keyError:0 

首先找到出错的地方:

因为在数据集yml里面:”remap_mscoco_category: True“调用的是原来coco数据集的标签,所以要在数据集yml里面将remap_mscoco_category改成False,就是调用else后面的代码

3. 出现:TypeError: 'numpy.float64' object cannot be interpreted as an integer</

使用PyTorch版本RT - DETR训练自己数据集,可按以下步骤操作: 1. **修改数据集路径**:在代码`/home/root1/data/miya/uav/RT - DETR/rtdetr_pytorch/configs/dataset/coco_detection.yml`中对应位置修改成自己数据集的路径。也可将配置好的COCO的数据集在`rtdetr_pytorch/configs/dataset/coco_detection.yml`里把文件地址修改成自己的数据集地址,配制成`my_coco.yml` [^1][^2]。 2. **具体修改yml文件内容**:修改该yml文件中的`img_folder`和`ann_file`,使其分别为数据集图像所在目录和标注文件地址。示例如下: ```yaml task: detection num_classes: 80 remap_mscoco_category: False train_dataloader: type: DataLoader dataset: type: CocoDetection ############################################# img_folder: /home/guan/RT-DETR/RT-DETR-main/rtdetr_pytorch/COCO/train/ ann_file: /home/guan/RT-DETR/RT-DETR-main/rtdetr_pytorch/COCO/annotations/train.json ############################################# transforms: type: Compose ops: ~ shuffle: True batch_size: 8 num_workers: 4 drop_last: True val_dataloader: type: DataLoader dataset: type: CocoDetection ############################################# img_folder: /home/guan/RT-DETR/RT-DETR-main/rtdetr_pytorch/COCO/val/ ann_file: /home/guan/RT-DETR/RT-DETR-main/rtdetr_pytorch/COCO/annotations/val.json ############################################# transforms: type: Compose ops: ~ shuffle: False batch_size: 8 num_workers: 4 drop_last: False ``` 之后可运行`train.py`进行训练 [^3]。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

TracyGC

创作不易,需要花花~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值